Роботов научили развязывать резинки и вставлять провода

Манипулирование мягкими и гибкими объектами традиционно считается одной из самых сложных задач для роботов. У подобных предметов нет фиксированной формы, их движение трудно предсказать, а явление самозатенения — когда части объекта скрывают друг друга — мешает оценке его состояния.

Инженеры из KAIST предложили метод «неявного нейронного представления». Технология получает частичную трехмерную информацию в виде облака точек, доступную роботу, и восстанавливает полную форму объекта, включая невидимые части, в виде непрерывной поверхности.

Исследователи разработали двухэтапную систему, совмещающую обучение с подкреплением и контрастное обучение. На первом этапе модель учится восстанавливать полную форму объекта по неполным данным. На втором этапе система оптимизируется для выполнения конкретных задач манипуляции.

В симуляциях INR-DOM показала значительно лучшие результаты по сравнению с существующими подходами в трех задачах: вставка резинового кольца в канавку, установка уплотнительного кольца на деталь и распутывание переплетенных резинок. В самой трудной задаче распутывания система достигла успеха в 75% случаев — на 49% выше, чем лучшие предыдущие методы.

Практические испытания подтвердили эффективность технологии и в реальных условиях: робот справлялся с задачами по вставке, установке и распутыванию с успешностью более 90%. В особенно сложной задаче двунаправленного распутывания система показала результат на 25% выше по сравнению с аналогами.

По мнению исследователей, навыки работы с гибкими объектами пригодятся в роботизации промышленности: например, при автоматизации сборки кабелей и проводов, упаковке одежды.

Читать далее:

Посмотрите, как сотни сомов взбираются вверх по водопаду

Самая далекая звезда — не то, чем кажется, считают астрономы

Анализ ДНК из братской могилы раскрыл причины гибели солдат Наполеона

_{Фото на обложке: KAIST}